Sztuczna inteligencja zaczęła uczyć się na swoich błędach

Nowa sztuczna inteligencja, korzystająca z technologii sieci neuronowej, sprawniej niż ChatGPT uczy się nowych słów i osiąga wyniki zbliżone do umysłu człowieka.

Naukowcy doprowadzili do takiego poziomu sztucznej inteligencji, że potrafi ona w szybki sposób przyswajać nowe słowa i używać ich w nowych kontekstach oraz działaniach. Ta umiejętność, kluczowa dla ludzkiego intelektu, była wcześniej niedostępna dla systemów SI, które były w stanie uczyć się jedynie poprzez analizowanie dużej ilości danych. Spontanicznie ucząca się sztuczna inteligencja była jeszcze do niedawna tylko teorią, ale wszystko wskazuje na to, że w dającej się przewidzieć przyszłości może stać się codziennością.

Brenden Lake, naukowiec zajmujący się kognitywnymi obliczeniami (sztucznej inteligencji, która koncentruje się na tworzeniu systemów komputerowych naśladujących ludzkie procesy myślowe i zdolności rozwiązywania problemów) na uniwersytecie w Nowym Yorku, który jednocześnie jest współautorem artykułu w Nature prezentującym wyniki badań, zaznacza, że umiejętność szybkiego przyswajania i rozumienia słów długo odróżniała umysł ludzki, od naśladujących go sieci neuronowych.

Przykładowo, jeżeli ktoś po raz pierwszy usłyszy i zrozumie znaczenie słowa demokracja, to może potem niemal bezbłędnie używać go w różnych kontekstach i znaczeniach. Algorytmy SI nie posiadały do niedawna takich umiejętności i poprawne użycie nowych słów wymagało długiego programowania za pomocą zakodowania wszystkich możliwych zastosowań danego słowa. Naukowcy przez prawie 40 lat spierali się czy pokonanie tej bariery możliwości sztucznej inteligencji jest w ogóle możliwe.

Żeby zbadać sposób, w jaki człowiek przyswaja i stosuje nowo poznane słowo, zespół naukowców przedstawił osobom uczestniczącym w eksperymencie zestaw słów, które zostały wymyślone. Nie brzmiały one w żaden sposób znajomo, ale oznaczały proste i bardziej skomplikowane komendy, takie jak skocz, chodź w kółko, skocz 4 razy, chodź do tyłu itd. Następnie przedstawione zostały kolory odpowiadające każdej z komend, kolejno badane osby miały odczytywać zapisane w ten sposób komendy i je wykonywać.

Okazało się, że ludzie bardzo szybko opanowują tego typu zadania, wykonując je skutecznie przy 80 proc. prób. Następnie naukowcy zaprogramowali sieć neuronową, by wykonywała te same zadania, ale zamiast zdobywać wiedze poprzez naukę wszystkich możliwych kombinacji, SI miało uczyć się na swoich błędach. Ta metoda, niedostępna popularniejszym sieciom takim jak ChatGPT, wykazała skuteczność zbliżoną do ludzkiej, podczas gdy sztuczna inteligencja posługująca się starszymi metodami analizy, realizowała zadania ze skutecznością, która spadała nawet do 42 proc.

„To nie jest magia, tylko praktyka” – mówi profesor Brenden Lake, komentując rezultat badań.

„Tak jak dziecko zwiększa swoje rozumienie podczas praktyki używania języka, tak samo SI poprawia swoje wyniki robiąc serie zadań, w których ewentualne błędy uczą jak lepiej rozwiązać problem” – dodaje naukowiec. Sieci neuronowe tego typu mogą być znaczącym krokiem w rozwoju sztucznej inteligencji i szybko mogą okazać się bardziej efektowne niż popularne dotychczas algorytmy. Ich metoda działania, polegająca na przyswajaniu ogromnych ilości danych, jest dłuższa i bardziej kosztowna i być może już wkrótce zostanie zastąpiona przez uczące się na własnych błędach SI.

Maciej Bzura